第三章 系統規劃與設計
3.3 F EATURE EXTRACTION 過程
為了讓以讓堅持度與合作度的變化在衝突行為構面模式當中有直接比較的 基準，我們將「低」視為負向，「高」視為正向，並為了利於計算將 a 與 c 的範 圍限定於-1 到 1 之間。由於每個人對 Sentence opener 中溝通意圖指標 SO（a , c）
之認知不同，因此對於溝通意圖指標之建立，需要更詳細的分析討論。
在 Sentence opener 對話輔助工具的輸入中，我們可獲得的資訊包括：使用者
ID、Sentence opener 與對話內容（指除去 Sentence opener 的部分）。由這些資訊，
我們可以萃取出個人當前狀態、個人長期偏好、個人參與度與群體參與度等多項 屬性，說明如下：
（1）個人當前狀態（ap , cp）：
利用使用者當下輸入的 Sentence opener 取得對應的堅持度與合作度的值 後，由於是用於表示「個人」於「當前」的意圖，我們用 SO（ap , cp）來表示 之，其中 ap 指個人當前堅持度，而 cp 則為個人當前合作度。
（2）個人長期偏好(AP , CP)：
研究顯示，人們對於衝突處理的方式在根本上是固定的（Sternberg and
Soriano 1984 ;Baron,1989;Volkema and Bergmann,1995），尤其個人在 5 種衝突行 為意圖中（包括競爭、合作、容納、避免與妥協），會有特定的偏好，這些偏好 往往相當一致，可以加以推論，我們將之定義為（AP , CP）；本研究利用「指數 平滑法」作為個人長期衝突處理意圖偏好的推論公式，依據時間的變化，平滑的 處理使用者的每一次的偏好演變；平滑處理的目的是希望即使使用者在會議過程 中稍微改變衝突處理意圖，系統能以漸進學習(incremental learning)的方式推論出 使用者之當時狀態，以判斷使用者潛在的衝突處理偏好。公式參考下圖 3-2：
利用指數平滑法來計算個人長期偏好的理由有下面幾點：
<i>
取代正規化過程
：只要所有的個人堅持度（ap）與個人合作度（cp），被定義於-1 與 1 之間，則 AP 與 CP 值也必定在-1 與 1 之間。如此，可 以讓堅持度與合作度的變化在衝突行為構面模式當中有直接比較的基 準，也不需要再去進行正規化的轉換動作。
<ii>
可隱含時間變化因素
：將最近時間點的資料比重以指數分配的模式增 加，因而能以漸進的方式推論出個人長期偏好。<iii>
平順穩定的演變與較佳的容錯能力
：指數平滑法名稱上之「平滑」二字，表示其改變是漸進而平順的，即使在當某些使用者個人短期意圖突然改 變時，個人長期偏好意圖指標(AP , CP)並不會急劇的改變，這使得系統 有較佳的容錯能力。
圖 3-2：個人長期衝突處理意圖偏好預測公式
（3）個人參與度：
(
1)
1t t t
AP
= α ⋅ap
+ − α ⋅AP
−( )
1t t t
CP
= β ⋅cp
+ 1− β ⋅CP
−AP
t ＝當前期間點 t，所預測的使用者長期堅持度偏好值。CP
t ＝當前期間點 t，所預測的使用者長期合作度偏好值。1
AP
t− ＝最近期間點 t-1 的使用者個人堅持度偏好值。1
CP
t− ＝最近期間點 t-1 的使用者個人合作度偏好值。ap
t＝當前期間點t
，使用者點選 Sentence opener 所屬堅持度的實際值。cp
t＝當前期間點t
，使用者點選 Sentence opener 所屬合作度的實際值。α 為平滑指數（0＜α＜1），代表近期行為意圖影響類別長期意圖偏好 的預測比重。
β 為平滑指數（0＜β＜1），代表近期行為意圖影響類別長期意圖偏好 的預測比重。
在起始狀態下（t = 1），
AP
1= ap
1且CP
1= cp
1 。經由 Sentence opener，我們可以紀錄每個使用者的發言累積次數並計算群 體發言次數的平均值，這兩個參數可以用來判斷每個使用者的討論狀況和與會者 的參與程度。
（4）群體參與度：
透過（3）的紀錄，計算群體發言次數的標準差，可以用來判斷群體當前的 討論狀況（發言的離散程度）做為群體參與度的衡量指標。
在這個階段，我們利用模糊德菲法所建立的 Sentence opener 的溝通意圖指標 配合 Thomas 衝突行為構面模式，分析出使用者自 Sentence opener 的使用中所欲 表達的意圖特徵，最後再與其它萃取出的使用者參數同時存入 Dialog Repository 中，提供下面兩個元件在後續分析時取用。